LEYES DE LA PROBABILIDAD

PROBABILIDAD
Leyes De La Probabilidad
Las relaciones que se dan entre los
eventos al ser aplicadas las
operaciones que se presentaron, se
facilitan y comprenden mejor haciendo
uso de los axiomas y teoremas de
probabilidad (Leyes de Probabilidad).
Axioma.- es una verdad evidente que no
requiere demostracin.
Teorema.- Es una verdad que requiere
ser demostrada.
PROBABILIDAD
Axioma 1.- Sea S un espacio muestral cualquiera
y A un evento, tal que A c S, entonces se
cumple que
0 s P(A) s 1 (3)

esto significa que la probabilidad de cualquier
evento no puede ser ms grande que uno, ni ser
menor que cero. Si es igual a 1 se llama evento
seguro, y cuando es cero se llama evento
imposible.
P(A)
___________________________________
-2 -1 0 1 2
PROBABILIDAD
Axioma 2.- La probabilidad del espacio muestral es
un evento seguro, es uno
P() = 1

Ejemplo.-
Experimento.- Se lanza un dado
Si A =, es decir si el evento A coincide o es igual al
espacio muestral, entonces.
( ) ( )
( ) 1
( ) ( )
N A N S
P A
N N
= = =
O O
PROBABILIDAD
Teorema 1.- Si u es el conjunto vaco,
entonces la probabilidad de u es igual a 0



Ejemplos:
Una persona que quiere ganar la lotera nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 aos
En estos casos los eventos son vacos
( )
( ) 0
( )
N
P
N
C
C = =
O
PROBABILIDAD
Axioma 3.- Sea un espacio muestral
cualquiera y sean A y B dos eventos tales que
A c , B c y A B = C, es decir, dos
eventos mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).
A B
A B
PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
= { ss, aa, sa, as}
N() = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos soles exactamente
B: el evento de que al lanzar un par de monedas caiga un
sol exactamente.
Los elementos de A y B son
A = { ss }
B = {sa, as}
Se puede ver que A B = C, no hay elementos en comn,
por lo que los eventos son mutuamente exclusivos o
disjuntos, por tanto
P(A B) = P(A) + P(B)
PROBABILIDAD
( ) 1
( )
( ) 4
( ) 2
( )
( ) 4
1 2 3
( ) ( ) ( )
4 4 4
N A
P A
N
N B
P B
N
P A B P A P B
= =
O
= =
O
= + = + =
PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
exclusivos:
P(A1 A2 A3 A4, ... An) =
P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)

Este axioma dice que la probabilidad de varios
eventos mutuamente exclusivos (que no tienen
elementos en comn), es igual a la suma de sus
probabilidades.
Si los eventos no son mutuamente excluyentes entonces para n eventos seria:
1 2 1 2
1 2
( ... ) ( ) ( ) ... ( )
( ) ( ) ... ( ... )
n n
n n
i j i j k k
i j i j k
P A A A P A P A P A
P A A P A A A P A A A
= = =
= + + +
+ +

PROBABILIDAD
Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un nmero
mayor a 4
Evento C: que salga el 1 o 3

Los elementos de A, B y C son
A = {2, 4}, N(A) = 2
B = {5, 6}, N(B) = 2
C = {1, 3} , N(C) = 2
PROBABILIDAD
Como A, B y C son mutuamente excluyentes, ya
que A B = {u}, A C = {u},
B C = {u},
Por axioma 4
P(A B C) = P(A) + P(B) + P(C)
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
2 2 2 6
( ) ( ) ( ) ( ) 1
6 6 6 6
N A
P A
N
N B
P B
N
N C
P C
N
P A B C P A P B P C
= =
O
= =
O
= =
O
= + + = + + = =
PROBABILIDAD
Teorema 2.-(Ley Aditiva de la Probabilildad).
Sean A y B dos eventos no excluyentes, A B =
C, entonces
P(A B) = P(A) + P(B) - P(A B)
A B
PROBABILIDAD
Diferencia
Sean A y B dos eventos:
A-B = { x | x e A y x e B }

A
B
A - B
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A B = { 2s } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
PROBABILIDAD
Teorema 3.- Sea A un evento cualquiera y un
espacio muestral, tal que AcS, si A
c
es el
complemento del evento A, entonces la
probabilidad de A
c
es igual a 1 menos la
probabilidad de A, es decir
P(A
c
) = 1 P(A)
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A
c
= { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
P(A
c
) = 1 P(A) = 1 2/12 = 10/12
B
c
= { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }
P(B
c
) = 1 P(B) = 1 3/12 = 9/12
PROBABILIDAD
Probabilidad Condicional.
Sea A un evento arbitrario de un espacio
muestral , con P(E) > 0. La probabilidad
de que un evento A suceda una vez que E
ha sucedido o en otras palabras, la
probabilidad condicional de A dado E, se
define como:





) (
) (
) / (
E P
E A P
E A P

=
PROBABILIDAD
Eventos Independientes:

Se dice que los eventos A y E son independientes si
se cumplen:









Si no se cumplen, se dice que los eventos son
dependientes.
) ( ) ( ) (
) ( ) / (
) ( ) / (
B P A P B A P
E P A E P
A P E A P
=
=
=
PROBABILIDAD
Probabilidad Condicional.

Ley Multiplicativa de la Probabilidad.

Ya que (AE) = (EA) y despejamos a P(AE), se tiene
que la probabilidad de la interseccin es:


) A P( ) E/A P(
) ( ) / ( ) (
) (
) (
) / (
) (
) (
) / (
=
=

=
E P E A P E A P
A P
A E P
A E P
E P
E A P
E A P
PROBABILIDAD
Probabilidad Condicional.

Si A y B son independientes:
P(E)P(A) ) A P( ) E/A P(
) ( ) ( ) ( ) / ( ) (
= =
= = E P A P E P E A P E A P
) (
) (
) ( ) (
) (
) (
) / (
) (
) (
) ( ) (
) (
) (
) / (
E P
A P
A P E P
A P
A E P
A E P
A P
E P
E P A P
E P
E A P
E A P
= =

=
= =

=
PROBABILIDAD
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar

Encontrar la probabilidad de que al lanzar un dado
se obtenga un 3 dado que se obtuvo un impar.

= {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3
PROBABILIDAD
Otra forma de calcular las probabilidades de la
interseccin y las probabilidades condicionales,
de dos eventos A y B, tal que
A A
C
=
B B
C
=
es elaborando primero la tabla de nmero de
elementos de los eventos y despus la tabla de
sus probabilidades.
B B
c
Total
A AB AB
c
A
A
c
A
c
B A
c
B
c
A
c

Total B B
c

Se tienen los eventos A y B y sus complementos
A
c
, B
c

B B
c
Total
A N(AB) N(AB
c
) N(A)
A
c
N(A
c
B) N(A
c
B
c
) N(A
c
)
Total N(B) N(B
c
) N()
Tabla de nmero de elementos de A, B y sus
complementos A
c
, B
c

B B
c
Total
A P(AB) P(AB
c
) P(A)
A
c
P(A
c
B) P(A
c
B
c
) P(A
c
)
Total P(B) P(B
c
) P( )
Tabla de probabilidades de A, B, A
c
, B
c
y sus
intersecciones
PROBABILIDAD
Probabilidades condicionales:

P(A/B) = P(A B)/P(B)
P(B/A) = P(A B)/P(A)
P(A/B
c
) = P(A B
c
)/P(B
c
)
P(B/A
c
) = P(A
c
B)/P(A
c
)
P(A
c
/B) = P(A
c
B)/P(B)
P(B
c
/A) = P(A B
c
)/P(A)

PROBABILIDAD
Ejemplo.-
En cierta ciudad, las mujeres representan el 50%
de la poblacin y los hombres el otro 50%. Se
sabe que el 20% de las mujeres y el 5% de
hombres estn sin trabajo. Un economista
estudia la situacin de empleo, elige al azar una
persona desempleada. Si la poblacin total es
de 8000 personas,
Cul es la probabilidad de que la persona
escogida sea ?:
PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer

Sean los eventos:
M: Que sea Mujer
H: Que sea Hombre
D: Que sea Desempleado
E: Que sea Empleado
Desempleados
D
Empleados
E
Total
Mujeres
M
800 3200 4000

Hombres
H
200 3800 4000
Total 1000 7000 8000
Tabla Nmero de elementos de los Eventos M, H, D, E y S
D E Total
M
800/8000 = .1 3200/8000= .4 4000/8000= .5
H
200/8000= .025 3800/8000= .475 4000/8000= .5
Total
1000/8000= .125 7000/8000= .875 8000/8000= 1
Tabla de Probabilidades
PROBABILIDAD
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
PROBABILIDAD
Eventos dependientes e independientes
En el ejemplo anterior se tiene que
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(ME) = .40 P(M) P(E) = .4375
P(DH) = .025 P(D) P(H) = .0625
P(MD) = .10 P(M) P(D) = .0625
P(EH) = .475 P(E) P(H) = .4375
PROBABILIDAD
Por tanto los eventos M y E ,
D y H,
M y D,
E y H
son dependientes.
Ley general Multiplicativa para n
eventos
1 2 3 1 2 1 3 1 2 1 2 1
( ... ) ( ) ( \ ) ( \ )... ( \ ... )
k k k
P A A A A P A P A A P A A A P A A A A

=
INDEPENDENCIA DE n EVENTOS



1 2 3 1 2 3
( ... ) ( ) ( ) ( )... ( )
k k
P A A A A P A P A P A P A =
PROBABILIDAD
Probabilidad total.-
Sean A
1
, A
2
, A
3
..., An eventos disjuntos
(mutuamente excluyentes), que forman una
particin de . Esto es Ai Aj = C para
toda i y toda j, y adems
= A
1
A
2
A
3
. A
n
A1
A2
A3
A4
A5
A6
An
PROBABILIDAD
Y sea E otro evento tal que E c y E A
i
= C
A1
A2
A3
A4
A5
A6
An
E
E
PROBABILIDAD
Entonces
E = E = (A
1
A
2
A
3
. A
n
) E
= (A
1
E) (A
2
E) (A
3
E)
. (A
n
E)

Al aplicar la funcin de probabilidad a ambos eventos,
se tiene que:
P(E) = P(A1E) + P(A2E) +P(A3E) +.+P(A
n
E)

Ya que (A
i
E) es ajeno a (A
j
E) para i j
PROBABILIDAD
Como (A
i
E) = (E A
i
) entonces
P(A
i
E) = P(E A
i
) = P(E/A
i
) P(A
i
)

Entonces la probabilidad completa de E es:

P(E) = P(E/A
1
) P(A
1
) + P(E/A
2
) P(A
2
) +
P(E/A
3
)P(A
3
)+...+ P(E/A
n
) P(A
n
)
PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M
1
,
M
2
y M
3
que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Si se selecciona un artculo al azar,
Cul es la probabilidad de que el artculo sea
defectuoso ?
PROBABILIDAD
Sea
D el evento: Que sea un artculo defectuoso.
P(M
1
) = .50 P(D/M
1
) = .03
P(M
2
) = .30 P(D/M
2
) = .04
P(M
3
) = .20 P(D/M
3
) = .05

P(D) = P(D/M
1
) P(M1) + P(D/M2) P(M2) +
P(D/M3) P(M3)
= .03(.50) + .04(.30) + .05(.20) = 0.037
M
1

M
2

M
3

D
ND
D
ND
D
ND
P(M
1
)=.50
P(M
2
)=.30
P(M
3
)=.20
P(D/M
1
)=.03
P(ND/M
1
)=.97
P(D/M
2
)=.04
P(D/M
3
)=.05
P(ND/M
2
)=.96
P(ND/M
3
)=.95
P(M
1
)*P(D/M
1
)=.5*.03=.015
P(M
2
)*P(D/M
2
)=.3*.04=.012
P(M
1
)*P(D/M
1
)=.2*.05=.01
P(D) = .015+.012+.01=.037
PROBABILIDAD
Teorema de Bayes.- Supngase que A
1
, A
2
, A
3
,...,A
n

es una particin de un espacio muestral . En cada
caso P(A
i
) 0. La particin es tal que A
1
, A
2
,
A
3
,...,A
n
, son eventos mutuamente exclusivos. Sea E
cualquier evento, entonces para cualquier A
i
,


) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1 n n
I i
i
A E P A P A E P A P A E P A P
A E P A P
E A P
+ + +
=

PROBABILIDAD

P(E)
) / ( ) (
) / (
entonces
: es E de completa ad probabilid la Como
2 2 1 1
I i
i
n n
A E P A P
E A P
) )P(E/A P(A ) )P(E/A P(A ) )P(E/A P(A P(E)
=
+ + + =
PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M
1
,
M
2
y M
3
que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M
1
,
M
2
y M
3
que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
PROBABILIDAD
Sea
D: Que el artculo sea defectuoso
ND: Que el artculo no sea defectuoso
M
1
: Que haya sido producido por la mquina 1

M
2
: Que haya sido producido por la mquina 2
M
3
: Que haya sido producido por la mquina 3


P(M
1
) = .50 P(D/M
1
) = .03
P(M
2
) = .30 P(D/M
2
) = .04
P(M
3
) = .20 P(D/M
3
) = .05


M
1

M
2

M
3

D
ND
D
ND
D
ND
P(M
1
)=.50
P(M
2
)=.30
P(M
3
)=.20
P(D/M
1
)=.03
P(ND/M
1
)=.97
P(D/M
2
)=.04
P(D/M
3
)=.05
P(ND/M
2
)=.96
P(ND/M
3
)=.95
P(M
1
)*P(D/M
1
)=.5*.03=.015
P(M
2
)*P(D/M
2
)=.3*.04=.012
P(M
1
)*P(D/M
1
)=.2*.05=.01
P(D) = .015+.012+.01=.037
PROBABILIDAD
Por teorema de Bayes se tiene:







La probabilidad de que el artculo defectuoso se
haya producido en la M
1
es del 40.54%
4054 .
037 .
) 03 )(. 50 (.

) (
) / ( ) (

) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
1 1
3 3 2 2 1 1
1 1
1
= = =
+ +
=
D P
M D P M P
M D P M P M D P M P M D P M P
M D P M P
D M P